8 種架構模式，一次性拿捏
程序員工作時間越久，不可避免的，架構會成為一門必修課，即使不想成為架構師。
學習架構知識對于寫代碼的好處是不言而喻的，本文就來分享常見的 8 種架構模式，圖文并茂，由淺入深。
走起～
什么是架構
我想這個問題，十個人回答得有十一個答案，因為另外的那一個是大家妥協(xié)的結果。哈哈，我理解，架構就是骨架，如下圖所示：
人類的身體的支撐是主要由骨架來承擔的，然后是其上的肌肉、神經(jīng)、皮膚。架構對于軟件的重要性不亞于骨架對人類身體的重要性。
什么是設計模式
這個問題我問過的面試者不下于數(shù)十次，回答五花八門，在我看來，模式就是經(jīng)驗，設計模式就是設計經(jīng)驗。
有了這些經(jīng)驗，我們就能在特定情況下使用特定的設計、組合設計，這樣可以大大節(jié)省我們的設計時間，提高工作效率。
作為一個工作 10 年以上的老碼農(nóng)，經(jīng)歷的系統(tǒng)架構設計也算不少，接下來，我會把工作中用到的一些架構方面的設計模式分享給大家，望大家少走彎路。
總體而言，共有八種，分別是：
單庫單應用模式：最簡單的，可能大家都見過 內容分發(fā)模式：目前用的比較多 查詢分離模式：對于大并發(fā)的查詢、業(yè)務 微服務模式：適用于復雜的業(yè)務模式的拆解 多級緩存模式：可以把緩存玩的很好 分庫分表模式：解決單機數(shù)據(jù)庫瓶頸 彈性伸縮模式：解決波峰波谷業(yè)務流量不均勻的方法之一 多機房模式：解決高可用、高性能的一種方法
單庫單應用模式
這是最簡單的一種設計模式，我們的大部分本科畢業(yè)設計、一些小的應用，基本上都是這種模式，這種模式的一般設計見下圖：
如上圖所示，這種模式一般只有一個數(shù)據(jù)庫，一個業(yè)務應用層，一個后臺管理系統(tǒng)，所有的業(yè)務都是用過業(yè)務層完成的，所有的數(shù)據(jù)也都是存儲在一個數(shù)據(jù)庫中的，好一點會有數(shù)據(jù)庫的同步。
雖然簡單，但是也并不是一無是處。
優(yōu)點：結構簡單、開發(fā)速度快、實現(xiàn)簡單，可用于產(chǎn)品的第一版等有原型驗證需求、用戶少的設計。 缺點：性能差、基本沒有高可用、擴展性差，不適用于大規(guī)模部署、應用等生產(chǎn)環(huán)境。
內容分發(fā)模式
基本上所有的大型的網(wǎng)站都有或多或少的采用這一種設計模式，常見的應用場景是使用 CDN 技術把網(wǎng)頁、圖片、CSS、JS 等這些靜態(tài)資源分發(fā)到離用戶最近的服務器。
這種模式的一般設計見下圖：
如上圖所示，這種模式較單庫單應用模式多了一個 CDN、一個云存儲 OSS (七牛、又拍等雷同)。一個典型的應用流程(以用戶上傳、查看圖片需求為例)
如下：
上傳的時候，用戶選擇本地機器上的一個圖片進行上傳 程序會把這個圖片上傳到云存儲 OSS 上，并返回該圖片的一個 URL 程序把這個 URL 字符串存儲在業(yè)務數(shù)據(jù)庫中，上傳完成。 查看的時候，程序從業(yè)務數(shù)據(jù)庫得到該圖片的 URL 程序通過 DNS 查詢這個 URL 的圖片服務器 智能 DNS 會解析這個 URL，得到與用戶最近的服務器(或集群)的地址 A 然后把服務器A上的圖片返回給程序 程序顯示該圖片，查看完成。
由上可知，這個模式的關鍵是智能 DNS，它能夠解析出離用戶最近的服務器。
運行原理大致是：根據(jù)請求者的 IP 得到請求地點 B，然后通過計算或者配置得到與 B 最近或通訊時間最短的服務器 C，然后把 C 的 IP 地址返回給請求者。
這種模式的優(yōu)缺點如下：
優(yōu)點：資源下載快、無需過多的開發(fā)與配置，同時也減輕了后端服務器對資源的存儲壓力，減少帶寬的使用。 缺點：目前來說 OSS，CDN 的價格還是稍微有些貴(雖然已經(jīng)降價好幾次了)，只適用于中小規(guī)模的應用，另外由于網(wǎng)絡傳輸?shù)难舆t、CDN 的同步策略等，會有一些一致性、更新慢方面的問題。
查詢分離模式
這種模式主要解決單機數(shù)據(jù)庫壓力過大，從而導致業(yè)務緩慢甚至超時，查詢響應時間變長的問題，也包括需要大量數(shù)據(jù)庫服務器計算資源的查詢請求。
這個可以說是單庫單應用模式的升級版本，也是技術架構迭代演進過程中的必經(jīng)之路。
這種模式的一般設計見下圖：
如上圖所示，這種模式較單庫單應用模式與內容分發(fā)模式多了幾個部分，一個是業(yè)務數(shù)據(jù)庫的主從分離，一個是引入了 ES，為什么要這樣？都解決了哪些痛點？
下面具體結合業(yè)務需求場景進行敘述：
場景一：全文關鍵詞檢索
我想這個需求，絕大多數(shù)應用都會有，如果使用傳統(tǒng)的數(shù)據(jù)庫技術，大部分可能都會使用 like 這種 SQL 語句，高級一點可能是先分詞，然后通過分詞 index 相關的記錄。
SQL 語句的性能問題與全表掃描機制導致了非常嚴重的性能問題，現(xiàn)在基本上很少見到。這里的 ES 是 Elasticsearch 的縮寫，是一種查詢引擎，類似的還有 Solr 等，都差不多的技術。
ES 較 Solr 配置簡單、使用方便，所以這里選用了它。另外，ES 支持橫向擴展，理論上沒有性能的瓶頸。同時，還支持各種插件、自定義分詞器等，可擴展性較強。
在這里，使用 ES 不僅可以替代數(shù)據(jù)庫完成全文檢索功能，還可以實現(xiàn)諸如分頁、排序、分組、分面等功能。具體的，請同學們自行學習之。那怎么使用呢？一個一般的流程是這樣的：
服務端把一條業(yè)務數(shù)據(jù)落庫 服務端異步把該條數(shù)據(jù)發(fā)送到 ES ES 把該條記錄按照規(guī)則、配置放入自己的索引庫 客戶端查詢的時候，由服務端把這個請求發(fā)送到 ES，得到數(shù)據(jù)后，根據(jù)需求拼裝、組合數(shù)據(jù)，返回給客戶端
實際中怎么用，還請同學們根據(jù)實際情況做組合、取舍。
場景二：大量的普通查詢
這個場景是指我們的業(yè)務中的大部分輔助性的查詢，如：取錢的時候先查詢一下余額，根據(jù)用戶的 ID 查詢用戶的記錄，取得該用戶最新的一條取錢記錄等。我們肯定是要天天要用的，而且用的還非常多。
同時呢，我們的寫入請求也是非常多的，導致大量的寫入、查詢操作壓向同一數(shù)據(jù)庫，然后，數(shù)據(jù)庫掛了，系統(tǒng)掛了，領導生氣了，被開除了，還不起房貸了，露宿街頭了，老婆跟別人跑了。
不敢想，所以要求我們必須分散數(shù)據(jù)庫的壓力，一個業(yè)界較成熟的方案就是數(shù)據(jù)庫的讀寫分離，寫的時候入主庫，讀的時候讀從庫。
這樣就把壓力分散到不同的數(shù)據(jù)庫了，如果一個讀庫性能不行，扛不住的話，可以一主多從，橫向擴展?？芍^是一劑良藥啊！那怎么使用呢？
一般的流程是這樣的：
服務端把一條業(yè)務數(shù)據(jù)落庫 數(shù)據(jù)庫同步或異步或半同步把該條數(shù)據(jù)復制到從庫 服務端讀數(shù)據(jù)的時候直接去從庫讀相應的數(shù)據(jù)
比較簡單吧，一些聰明的、愛思考的、上進的同學可能發(fā)現(xiàn)問題了，也包括上面介紹的場景一，就是延遲問題。
如：數(shù)據(jù)還沒有到從庫，我就馬上讀，那么是讀不到的，會發(fā)生問題的。對于這個問題，各家公司解決的思路不一樣，方法不盡相同。
一個普遍的解決方案是：讀不到就讀主庫，當然這么說也是有前提條件的，但具體的方案這里就不一一展開了，我可能會在接下來的分享中詳解各種方案。
另外，關于數(shù)據(jù)庫的復制模式，還請同學們自行學習，太多了，這里說不清。該總結一下這種模式的優(yōu)缺點的了，如下：
優(yōu)點：減少數(shù)據(jù)庫的壓力，理論上提供無限高的讀性能，間接提高業(yè)務(寫)的性能，專用的查詢、索引、全文(分詞)解決方案。 缺點：數(shù)據(jù)延遲，數(shù)據(jù)一致性的保證。
微服務模式
上面的模式看似不錯，解決了性能問題，我可以不用露宿街頭了、老婆還是我的，哈哈。
但是軟件系統(tǒng)天生的復雜性決定了，除了性能，還有其他諸如高可用、健壯性等大量問題等待我們解決，再加上各個部門間的撕逼、扯皮，更讓我們碼農(nóng)雪上加霜，所以
繼續(xù)吧......
微服務模式可以說是最近的熱點，花花綠綠、大大小小、國內國外的公司都在鼓吹，實踐這個模式，可是大部分都沒有弄清楚為什么要這么做，也并不知道這么做有什么好處、壞處。
在這里，我將以我自己的親身實踐說一下我對這個模式的看法，不喜勿噴！隨著業(yè)務與人員的增加，遇到了如下的問題：
單機數(shù)據(jù)庫寫請求量大量增加，導致數(shù)據(jù)庫壓力變大 數(shù)據(jù)庫一旦掛了，那么整個業(yè)務都掛了 業(yè)務代碼越來越多，都在一個 Git 里，越來越難以維護 代碼腐化嚴重、臭味越來越濃 上線越來越頻繁，經(jīng)常是一個小功能的修改，就要整個大項目要重新編譯 部門越來越多，該哪個部門改動大項目中的哪個東西，撕逼的厲害 其他一些外圍系統(tǒng)直接連接數(shù)據(jù)庫，導致一旦數(shù)據(jù)庫結構發(fā)生變化，所有的相關系統(tǒng)都要通知，甚至對修改不敏感的系統(tǒng)也要通知 每個應用服務器需要開通所有的權限、網(wǎng)絡、FTP、各種各樣的，因為每個服務器部署的應用都是一樣的 作為架構師，我已經(jīng)失去了對這個系統(tǒng)的把控
為了解決上述問題，我司使用了微服務模式，這種模式的一般設計見下圖：
如上圖所示，我把業(yè)務分塊，做了垂直切分，切成一個個獨立的系統(tǒng)，每個系統(tǒng)各自衍化，有自己的庫、緩存、ES 等輔助系統(tǒng)，系統(tǒng)之間的實時交互通過 RPC，異步交互通過 MQ，通過這種組合，共同完成整個系統(tǒng)功能。
那么，這么做是否真的解決上述問題了呢？不玩虛的，一個個來說。
問題一：由于拆分成了多個子系統(tǒng)，系統(tǒng)的壓力被分散了，而各個子系統(tǒng)都有自己的數(shù)據(jù)庫實例，所以數(shù)據(jù)庫的壓力變小。
問題二：一個子系統(tǒng) A 的數(shù)據(jù)庫掛了，只是影響到系統(tǒng) A 和使用系統(tǒng) A 的那些功能，不會所有的功能不可用，從而解決一個數(shù)據(jù)庫掛了，導致所有功能不可用的問題。
問題三、四：也因為拆分得到了解決，各個子系統(tǒng)有自己獨立的 Git 代碼庫，不會相互影響。通用的模塊可通過庫、服務、平臺的形式解決。
問題五：子系統(tǒng) A 發(fā)生改變，需要上線，那么我只需要編譯 A，然后上線就可以了，不需要其他系統(tǒng)做同樣的事情。
問題六：順應了康威定律，我部門該干什么事、輸出什么，也通過服務的形式暴露出來，我部只管把我部的職責、軟件功能做好就可以。
問題七：所有需要我部數(shù)據(jù)的需求，都通過接口的形式發(fā)布出去，客戶通過接口獲取數(shù)據(jù)，從而屏蔽了底層數(shù)據(jù)庫結構，甚至數(shù)據(jù)來源，我部只需保證我部的接口契約沒有發(fā)生變化即可，新的需求增加新的接口，不會影響老的接口。
問題八：不同的子系統(tǒng)需要不同的權限，這個問題也優(yōu)雅的解決了。
問題九：暫時控制住了復雜性，我只需控制好大的方面，定義好系統(tǒng)邊界、接口、大的流程，然后再分而治之、逐個擊破、合縱連橫。
目前來說，所有問題得到解決！bingo! 但是，還有許多其他的副作用會隨之產(chǎn)生，如 RPC、MQ 的超高穩(wěn)定性、超高性能，網(wǎng)絡延遲，數(shù)據(jù)一致性等問題，這里就不展開來講了，太多了，一本書都講不完。
另外，對于這個模式來說，最難把握的是度，切記不要切分過細，我見過一個功能一個子系統(tǒng)，上百個方法分成上百個子系統(tǒng)的，真的是太過度了。
實踐中，一個較為可行的方法是：能不分就不分，除非有非常必要的理由。
優(yōu)點：相對高性能，可擴展性強，高可用，適合于中等以上規(guī)模公司架構。 缺點：復雜、度不好把握。指不僅需要一個能在高層把控大方向、大流程、總體技術的人，還需要能夠針對各個子系統(tǒng)有針對性的開發(fā)。把握不好度或者濫用的話，這個模式適得其反！
多級緩存模式
這個模式可以說是應對超高查詢壓力的一種普遍采用的策略，基本的思想就是在所有鏈路的地方，能加緩存就加緩存，如下圖所示：
如上圖所示，一般在三個地方加入緩存，一個是客戶端處，一個是 API 網(wǎng)關處，一個是具體的后端業(yè)務處，下面分別介紹。
客戶端處緩存
這個地方加緩存可以說是效果最好的---無延遲。因為不用經(jīng)過長長的網(wǎng)絡鏈條去后端業(yè)務處獲取數(shù)據(jù)，從而導致加載時間過長，客戶流失等損失。
雖然有 CDN 的支持，但是從客戶端到 CDN 還是有網(wǎng)絡延遲的，雖然不大。
具體的技術依據(jù)不同的客戶端而定，對于 WEB 來講，有瀏覽器本地緩存、Cookie、Storage、緩存策略等技術；對于 APP 來講，有本地數(shù)據(jù)庫、本地文件、本地內存、進程內緩存支持。
以上提到的各種技術有興趣的同學可以繼續(xù)展開來學習。如果客戶端緩存沒有命中，那么就會去后端業(yè)務拿數(shù)據(jù)，一般來講，都會有個 API 網(wǎng)關，在這里加緩存也是非常有必要的。
API 網(wǎng)關處緩存
這個地方加緩存的好處是不用把請求發(fā)送到后方，直接在這里就處理了，然后返回給請求者。
常見的技術，如 http 請求，API 網(wǎng)關用的基本都是 nginx，可以使用 nginx 本身的緩存模塊，也可以使用 Lua+Redis 技術定制化。其他的也都大同小異。
后端業(yè)務
這個我想就不用多說了，大家應該差不多都知道，什么 Redis，Memcache，Jvm 內等等，不熬述了。
實踐中，要結合具體的實際情況，綜合利用各級緩存技術，使得各種請求最大程度的在到達后端業(yè)務之前就被解決掉，從而減少后端服務壓力、減少占用帶寬、增強用戶體驗。
至于是否只有這三個地方加緩存，我覺得要活學活用，心法比劍法重要！
總結一下這個模式的優(yōu)缺點：
優(yōu)點：抗住大量讀請求，減少后端壓力。 缺點：數(shù)據(jù)一致性問題較突出，容易發(fā)生雪崩，即：如果客戶端緩存失效、API 網(wǎng)關緩存失效，那么所有的大量請求瞬間壓向后端業(yè)務系統(tǒng)，后果可想而知。
分庫分表模式
這種模式主要解決單表寫入、讀取、存儲壓力過大，從而導致業(yè)務緩慢甚至超時，交易失敗，容量不夠的問題。
一般有水平切分和垂直切分兩種，這里主要介紹水平切分。這個模式也是技術架構迭代演進過程中的必經(jīng)之路。
這種模式的一般設計見下圖：
如上圖所示紅色部分，把一張表分到了幾個不同的庫中，從而分擔壓力。是不是很籠統(tǒng)？哈哈，那我們接下來就詳細的講解一下。首先澄清幾個概念，如下：
主機：硬件，指一臺物理機，或者虛擬機，有自己的 CPU，內存，硬盤等。 實例：數(shù)據(jù)庫實例，如一個 MySQL 服務進程。一個主機可以有多個實例，不同的實例有不同的進程，監(jiān)聽不同的端口。 庫：指表的集合，如學校庫，可能包含教師表、學生表、食堂表等等，這些表在一個庫中。一個實例中可以有多個庫。庫與庫之間用庫名來區(qū)分。 表：庫中的表，不必多說，不懂的就不用往下看了，不解釋。
那么怎么把單表分散呢？到底怎么個分發(fā)呢？分發(fā)到哪里呢？以下是幾個工作中的實踐，分享一下：
主機：這是最主要的也是最重要的點，本質上分庫分表是因為計算與存儲資源不夠導致的，而這種資源主要是由物理機，主機提供的，所以在這里分是最基本的，畢竟沒有可用的計算資源，怎么分效果都不是太好的。 實例：實例控制著連接數(shù)，同時受 OS 限制，CPU、內存、硬盤、網(wǎng)絡 IO 也會受間接影響。會出現(xiàn)熱實例的現(xiàn)象，即：有些實例特別忙，有些實例非常的空閑。一個典型的現(xiàn)象是：由于單表反應慢，導致連接池被打滿，所有其他的業(yè)務都受影響了。這時候，把表分到不同的實例是有一些效果的。 庫：一般是由于單庫中最大單表數(shù)量的限制，才采取分庫。 表：單表壓力過大，索引量大，容量大，單表的鎖。據(jù)以上，把單表水平切分成不同的表。
大型應用中，都是一臺主機上只有一個實例，一個實例中只有一個庫，庫==實例==主機，所以才有了分庫分表這個簡稱。
既然知道了基本理論，那么具體是怎么做的呢？邏輯是怎么跑的呢？接下來以一個例子來講解一下。
這個需求很簡單，用戶表(user)，單表數(shù)據(jù)量 1 億，查詢、插入、存儲都出現(xiàn)了問題，怎么辦呢？
首先，分析問題，這個明顯是由于數(shù)據(jù)量太大了而導致的問題。其次，設計方案，可以分為 10個 庫，這樣每個庫的數(shù)據(jù)量就降到了 1KW，單表 1KW 數(shù)據(jù)量還是有些大，而且不利于以后量的增長，所以每個庫再分 100 個表，這個每個單表數(shù)據(jù)量就為 10W 了，對于查詢、索引更新、單表文件大小、打開速度，都有一些益處。
接下來，給IT部門打電話，要 10 臺物理機，擴展數(shù)據(jù)庫。
最后，邏輯實現(xiàn)，這里應該是最有學問的地方。首先是寫入數(shù)據(jù)，需要知道寫到哪個分庫分表中，讀也是一樣的，所以，需要有個請求路由層，負責把請求分發(fā)、轉換到不同的庫表中，一般有路由規(guī)則的概念。
再說說這個模式的問題，主要是帶來了事務上的問題，因為分庫分表，事務完成不了，而分布式事務又太笨重。所以這里需要有一定的策略，保證在這種情況下事務能夠完成。
采取的策略如：最終一致性、復制、特殊設計等。再有就是業(yè)務代碼的改造，一些關聯(lián)查詢要改造，一些單表 orderBy 的問題需要特殊處理，也包括 groupBy 語句，如何解決這些副作用不是一句兩句能說清楚的，以后有時間，我單獨講講這些。
該總結一下這種模式的優(yōu)缺點的了，如下：
優(yōu)點：減少數(shù)據(jù)庫單表的壓力。 缺點：事務保證困難、業(yè)務邏輯需要做大量改造。
彈性伸縮模式
這種模式主要解決突發(fā)流量的到來，導致無法橫向擴展或者橫向擴展太慢，進而影響業(yè)務，全站崩潰的問題。
這個模式是一種相對來說比較高級的技術，也是各個大公司目前都在研究、試用的技術。截至今日，有這種思想的架構師就已經(jīng)是很不錯了，能夠拿到較高薪資，更別提那些已經(jīng)實踐過的，甚至實現(xiàn)了底層系統(tǒng)的那些，所以，你懂得。
這種模式的一般設計見下圖：
如上圖所示，多了一個彈性伸縮服務，用來動態(tài)的增加、減少實例。原理上非常簡單，但是這個模式到底解決什么問題呢？先說說由來和意義。
每年的雙 11、六一八或者一些大促到來之前，我們都會為大流量的到來做以下幾個方面的工作: 提前準備 10 倍甚至更多的機器，即使用不上也要放在那里備著，以防萬一。
這樣浪費了大量的資源。每臺機器配置、調試、引流，以便讓所有的機器都可用。這樣浪費了大量的人力、物力，更容易出錯。如果機器準備不充分，那么還要加班加點的重復上面的工作。
在雙十一之后，我們還要人工做縮容，非常的辛苦。一般一年中會有多次促銷，那么我們就會一直這樣，實在是煩！
最嚴重的，突然間的大流量爆發(fā)，會讓我們觸不及防，半夜起來擴容是在正常不過的事情，為此，我們偷懶起來，要更多的機器備著，也就出現(xiàn)了大量的 CPU 利用率為 1% 的機器。
我相信，如果你是老板一定很震驚吧！哈哈，那么如何改變這種情況呢？請接著看：
為此，首先把所有的計算資源整合成資源池的概念，然后通過一些策略、監(jiān)控、服務，動態(tài)的從資源池中獲取資源，用完后在放回到池子中，供其他系統(tǒng)使用。
具體實現(xiàn)上比較成熟的兩種資源池方案是 VM、docker，每個都有著自己強大的生態(tài)。監(jiān)控的點有 CPU、內存、硬盤、網(wǎng)絡 IO、服務質量等，根據(jù)這些，在配合一些預留、擴張、收縮策略，就可以簡單的實現(xiàn)自動伸縮。怎么樣？是不是很神奇？
該總結一下這種模式的優(yōu)缺點的了，如下：
優(yōu)點：彈性、隨需計算，充分優(yōu)化企業(yè)計算資源。 缺點：應用要從架構層做到可橫向擴展化改造、依賴的底層配套比較多，對技術水平、實力、應用規(guī)模要求較高。
多機房模式
這種模式主要解決不同地區(qū)高性能、高可用的問題。
隨著應用用戶不斷的增加，用戶群體分布在全球各地，如果把服務器部署在一個地方，一個機房，比如北京，那么美國的用戶使用應用的時候就會特別慢，因為每一個請求都需要通過海底光纜走上個那么一秒鐘(預估)左右，這樣對用戶體驗及其不好。
怎么辦？使用多機房部署。
這種模式的一般設計見下圖：
如上圖所示，一個典型的用戶請求流程如下：
用戶請求一個鏈接 A 通過 DNS 智能解析到離用戶最近的機房 B 使用 B 機房服務鏈接 A。
是不是覺得很簡單，沒啥？其實這里面的問題沒有表面這么簡單，下面一一道來。
首先是數(shù)據(jù)同步問題，在中國產(chǎn)生的數(shù)據(jù)要同步到美國，美國的也一樣，數(shù)據(jù)同步就會涉及數(shù)據(jù)版本、一致性、更新丟棄、刪除等問題。
其次是一地多機房的請求路由問題，典型的是如上圖，中國的北京機房和杭州機房，如果北京機房掛了，那么要能夠通過路由把所有發(fā)往北京機房的請求轉發(fā)到杭州機房。異地也存在這個問題。
所以，多機房模式，也就是異地多活并不是那么的簡單，這里只是起了個頭，具體的有哪些坑，會在另一篇文章中介紹。
該總結一下這種模式的優(yōu)缺點的了，如下：
優(yōu)點：高可用、高性能、異地多活。 缺點：數(shù)據(jù)同步、數(shù)據(jù)一致性、請求路由。
至此，整個關于八種架構設計模式及其優(yōu)缺點概述就介紹完了，大約 1W 字左右。最后，我想說的是沒有銀彈、靈活運用，共勉！
以上就是本文的全部內容，如果覺得還不錯的話歡迎點贊，轉發(fā)和關注，感謝支持。
推薦閱讀：